信息化时代,网络营销产生哪些新特点和变化?

最大的特点和变化就是营销越来越智能化，也就是我们常说的“智能营销”。

从传统营销传播到基于互联网的数字营销传播，再到新兴的基于人工智能的营销传播，营销传播模式在技术推动下不断发生变革。大数据、云计算、区块链等新智能技术与人工智能的结合将进一步促进整个营销传播链条不断智能化，推动智能营销传播的发展。从消费者数据的全场景化、细致化采集到内容信息的定制化生产和精准化投放，智能营销传播将构建新型消费者与品牌方的关系，实现消费者与品牌方的协同共建，实现共赢。

智能营销传播是随着智能技术的不断发展而不断完善的新型营销传播方式。智能营销传播本质上是不断智能化的技术在营销与传播场景中的使用，它是以消费者的真实需求为中心，以大数据、人工智能、区块链等智能技术为基础，通过内容和创意与消费者建立情感化连接的个性化精准化营销传播。智能营销传播吸收已有的营销传播理论的精华，借助不断出现的智能技术建立起更为先进的营销传播手段和策略。在传统的营销传播中，广告主时常会说：“我知道我的广告费浪费了一半以上，但我不知道究竟浪费在哪里。”而基于智能技术的营销传播使得万物数据化，皆可被量化，无论是广告投放还是企业营销策略制定都将基于真实的消费者数据，实现投资的价值最大化。

智能营销的出现重构了已有的媒介生态，重塑了消费者的物理生活和虚拟生活的行为和路径，为营销传播提供了新的探索可能。那么，智能营销目前带来哪些营销变化呢？

1、消费者信息数据收集的全场景化

5G技术与物联网技术的结合，重构了人与物，物与物，物与信息、信息与信息的连接方式，实现了“万物皆媒”。两种技术的结合使得虚拟和现实的边际越来越模糊，为广告主提供了更多可基于消费者数据信息的新型广告投放场景。

传感器技术是物联网的连接基础，传感器技术可以增加信息来源的途径，增强信息采集的维度。媒体平台以智能手机作为载体，而进入“5G+物联”的智能媒体时代。现今的新闻媒体可以通过传感器实时收集新闻数据并进行新闻报道，提高了新闻的时效性。但由于消费者在同一场景不同时刻和不同场景下的数据是动态变化的，真正了解消费者的需求也不能仅对单一的场景数据分析。在智能技术的辅助下，智能手机不再是唯一的传感器，二维码、可穿戴设备(限镜、手环等)、置于家具中的芯片等，都将是传感器的一部分。智能技术下的场景将不再是单一的情境或者语境，而是成为在多样化传感器基础上形成的“触点和场景”。消费者身边所有的智能化产品或服务都将成为一个触点。不仅消费者可以通过触点接收广告信息，广告主与品牌方也可以通过点实时了解消费者的喜好，接收消费者的反馈。这些触点涵盖消费者生活的方面面，可以真正实现对消费者信息数据收集的全场景化和跨场景化。

2、营销传播的创意的智能化、定制化

内容营销是现阶段营销传播的手段之一，而创意是内容营销的核心。内容营销是“包含创造、组织、分配、详述过程等，涉及有趣、贴切、有用的内容。目标是与特定的用户群，展开有关内容的对话。通过内容营销，消费者可以从品牌的支持者和拥护者转变为品牌的推广者。

智能技术的应用虽然为广告主和品牌提供了更为广泛而丰富的媒体平台，但媒体形态的多样性也对广告主和品牌方的内容营销提出了更高要求（尤其是创意）。仅仅是创意在形式上的转换，已经不能满足不同媒体上不同受众的喜好。人工智能的入将通过智能化手段实现基于媒体平台的动态创意优化，满足消费者的个性化需求，提升内容营销的效率。

人工智能将在5G物联网、大数据、云计算等智能技术辅佐下，实现创意生产的智能程序化。在传统的营销传播过程中，营销人员时常为了一个最好的创意而耗费大量人力物力。由于受到个人经验以及对消费者了解不完全的限制，所谓的“最好的创意”，并不能很好地与消费者产生互动，满足消费者的喜好。人工智能将解决该问题，为广告主和品牌方提供最佳的创意和最合适的营销方案。基于人工智能的程序化创意建立在对内容创意数据和消费者数据的机器学习和深度学习基础之上，是一种自主性学习。相比较先前按照设定算法的程序化创意，以人工智能技术为基础的程序化创意更具智能化。在了解消费者的痛点后，有针对性地进行内容创意的程序化生产，让营销从 “千人一面”演变为正真的“千人千面”。

3、链路化的营销传播信任体系重构

营销传播中，消费者的决策路径有着线性逻辑下的非线性特征。广告主与品牌方往往很难有效地衡量传播价值与销量数据的关联性。低价值流量、技术暗箱等，也让整个数字营销传播行业的信任备受危机考验。区块链的智能合约功能，可以让数字广告的真实展示次数被记录，且无法更改，实现整个营销传播过程的透明化。同时，对消费者在媒介上的不同行为的进行链路引导，结合内容营销实现需求触发后的即时满足。透明化的传播数据与链路，让广告商可以实时监控不同受众与内容匹配后的点击率、响应率和响应结果等，并结合分受众信息，进行更为精准的广告投放。

4、营销传播的精准性和匹配度

消费者每天在不同场景中产生的数据是极为庞大的，其中包含视频、、地理位置、网络日志等结构化数据、半结构化数据和非结构化数据。借助大数据技术，可以完成对数据进行整合和深度挖掘，筛选出有效信息。

云计算将通过内容识别完成对关键性元数据的提取，并通过等级和置信度对相似的数据进行聚合，形成具有代表性的消费者标签。例如：人口标签是一级标签，其下属的性别、年龄、星座为二级标签，这些标签又会与不同场景标签进行匹配，实现更为精准化的营销传播。

大数据和云计算将基于人工智能生成的内容创意在不同场景下，根据消费者的实时数据进行营销传播，场景信息与消费者信息的精准化匹配，将促成消费者的消费行为。并通过云计算实现营销传播策略的时优化，目前由于不同媒体平台的消费者数据信息是不互通的，数据呈现分区化和分层区，形成了一座座“数据孤岛”。这无疑也加重了广告主和品牌方数据处理的负担，而“大数据+云计算”与“5G+物联网”技术组合的协同效应，将进一步辅助广告主与品牌营销全面化、立体化地了解消费者的互联网行为，以及其背后对应的消费者偏好，使消费者画像不断精确，实现广告效果的可量化，实现广告策略的可优化，实现“品效合一”

5、跨场景的营销传播覆盖

在智能技术的不断推动下，营销传播将实现真正意义的跨场景传播。现阶段的数字营销传播已经实现了在线消费者于特定环境中与广告的匹配，而5G技术和物联网技术的结合，会让真正的让“万物互联”实现。并配合全链路传输，对受众的特征与状态更迅速地识别，完成对线上和线下受众数据的收集与分析。5G的高速数据传输与低延迟的物联网传感器，将基于场景中收集分析得来的数据完成适当的广告匹配。实现虚拟广告位和物理广告位的实时动态展示，完成定制化营销传播。当消费者步入相对应的场景之中，云计算技术将唤起被存储数据，完成数据匹配，消费者就会收到符合其需求的广告链接。这些链接不仅能提供详细的产品信息，还能提供精确的室内引导，为消费者带来全新的体验。

6、沉浸式的互动体验传播

智能技术将进一步推动沉浸式互动营销传播的发展。与基于图文和视频的营销传播相比，依托AR(增强现实)和VR(虚拟现实)的营销传播，会更侧重于为消费者营造出由产品服务带来的直观而亲密的感觉，使消费者产生身临其境之感，具有天生的优势。

在智能技术的辅助下，未来的沉浸式互动营销传播将呈现VR、AR、MR(混合现实)、XR(扩展现实)的四足鼎立，为消费者带来更为丰富的临场感和极强的购物体验。

从6大营销变化可以看出，智能营销实现了整个营销传播的赋能，为数字营销传播提供了更多想象力与动力。在人工智能技术的辅助下，智能营销将实现“人性化”、“程序化”、“智能化”，广告行业也将焕发新的活力。

1高效分布式
必须是高效的分布式系统。物联网产生的数据量巨大，仅中国而言，就有5亿多台智能电表，每台电表每隔15分钟采集一次数据，一天全国智能电表就会产生500多亿条记录。这么大的数据量，任何一台服务器都无能力处理，因此处理系统必须是分布式的，水平扩展的。为降低成本，一个节点的处理性能必须是高效的，需要支持数据的快速写入和快速查询。
2实时处理
必须是实时处理的系统。互联网大数据处理，大家所熟悉的场景是用户画像、推荐系统、舆情分析等等，这些场景并不需要什么实时性，批处理即可。但是对于物联网场景，需要基于采集的数据做实时预警、决策，延时要控制在秒级以内。如果计算没有实时性，物联网的商业价值就大打折扣。
3高可靠性
需要运营商级别的高可靠服务。物联网系统对接的往往是生产、经营系统，如果数据处理系统宕机，直接导致停产，产生经济有损失、导致对终端消费者的服务无法正常提供。比如智能电表，如果系统出问题，直接导致的是千家万户无法正常用电。因此物联网大数据系统必须是高可靠的，必须支持数据实时备份，必须支持异地容灾，必须支持软件、硬件在线升级，必须支持在线IDC机房迁移，否则服务一定有被中断的可能。
4高效缓存
需要高效的缓存功能。绝大部分场景，都需要能快速获取设备当前状态或其他信息，用以报警、大屏展示或其他。系统需要提供一高效机制，让用户可以获取全部、或符合过滤条件的部分设备的最新状态。
5实时流式计算
需要实时流式计算。各种实时预警或预测已经不是简单的基于某一个阈值进行，而是需要通过将一个或多个设备产生的数据流进行实时聚合计算，不只是基于一个时间点、而是基于一个时间窗口进行计算。不仅如此，计算的需求也相当复杂，因场景而异，应容许用户自定义函数进行计算。
6数据订阅
需要支持数据订阅。与通用大数据平台比较一致，同一组数据往往有很多应用都需要，因此系统应该提供订阅功能，只要有新的数据更新，就应该实时提醒应用。而且这个订阅也应该是个性化的，容许应用设置过滤条件，比如只订阅某个物理量五分钟的平均值。
7和历史数据处理合二为一
实时数据和历史数据的处理要合二为一。实时数据在缓存里，历史数据在持久化存储介质里，而且可能依据时长，保留在不同存储介质里。系统应该隐藏背后的存储，给用户和应用呈现的是同一个接口和界面。无论是访问新采集的数据还是十年前的老数据，除输入的时间参数不同之外，其余应该是一样的。
8数据持续稳定写入
需要保证数据能持续稳定写入。对于物联网系统，数据流量往往是平稳的，因此数据写入所需要的资源往往是可以估算的。但是变化的是查询、分析，特别是即席查询，有可能耗费很大的系统资源，不可控。因此系统必须保证分配足够的资源以确保数据能够写入系统而不被丢失。准确的说，系统必须是一个写优先系统。
9数据多维度分析
需要对数据支持灵活的多维度分析。对于联网设备产生的数据，需要进行各种维度的统计分析，比如从设备所处的地域进行分析，从设备的型号、供应商进行分析，从设备所使用的人员进行分析等等。而且这些维度的分析是无法事先想好的，而是在实际运营过程中，根据业务发展的需求定下来的。因此物联网大数据系统需要一个灵活的机制增加某个维度的分析。
10支持数据计算
需要支持数据降频、插值、特殊函数计算等 *** 作。原始数据的采集可能频次挺高，但具体分析时，往往不需要对原始收据进行，而是数据降频之后。系统需要提供高效的数据降频 *** 作。设备是很难同步的，不同设备采集数据的时间点是很难对齐的，因此分析一个特定时间点的值，往往需要插值才能解决，系统需要提供线性插值、设置固定值等多种插值策略才行。工业互联网里，除通用的统计 *** 作之外，往往还需要支持一些特殊函数，比如时间加权平均。
11即席分析和查询
需要支持即席分析和查询。为提高大数据分析师的工作效率，系统应该提供一命令行工具或容许用户通过其他工具，执行SQL查询，而不是非要通过编程接口。查询分析的结果可以很方便的导出，再制作成各种图标。
12灵活数据管理策略
需要提供灵活的数据管理策略。一个大的系统，采集的数据种类繁多，而且除采集的原始数据外，还有大量的衍生数据。这些数据各自有不同的特点，有的采集频次高，有的要求保留时间长，有的需要多个副本以保证更高的安全性，有的需要能快速访问。因此物联网大数据平台必须提供多种策略，让用户可以根据特点进行选择和配置，而且各种策略并存。
13开放的系统
必须是开放的。系统需要支持业界流行的标准SQL，提供各种语言开发接口，包括C/C++，Java，Go，Python，RESTful等等，也需要支持Spark，R，Matlab等等，方便集成各种机器学习、人工智能算法或其他应用，让大数据处理平台能够不断扩展，而不是成为一个孤岛。
14支持异构环境
系统必须支持异构环境。大数据平台的搭建是一个长期的工作，每个批次采购的服务器和存储设备都会不一样，系统必须支持各种档次、各种不同配置的服务器和存储设备并存。
15支持边云协同
需要支持边云协同。要有一套灵活的机制将边缘计算节点的数据上传到云端，根据具体需要，可以将原始数据，或加工计算后的数据，或仅仅符合过滤条件的数据同步到云端，而且随时可以取消，更改策略。

云计算扮演着物联网和大数据共同工作场所的角色，其中物联网是数据的来源，大数据作为一种技术是数据的分析平台。
根据IDC的数据，在未来五年内，将有超过90%的物联网数据托管在云平台上。其背后的原因是：
（1）大量的物联网数据生成将为大数据系统提供数据。
（2）降低物联网中数据混合的复杂性是使其收益最大化的标准之一。其背后的概念是一如果物联网应用程序和数据孤岛运行，我们将无法充分发挥其潜力。因此，为了获得更好的见解并做出决策，混合来自各种来源的信息(数据) 是最好的方法。
因此，对于上述两点，我们明确认为需要为物联网和大数据采用基于云的系统。这从产品导向转向基于信息的结果导向。
总而言之，物联网，大数据和云计算的融合利用了决策支持系统的新视野。此外，物联网，大数据和云计算的融合可以为所有行业提供新的机会和应用。

随着全球信息化的浪潮，信息化产业不断发展、延伸，已经深入了众多的企业及个人，SOA系统架构的出现，将给信息化带来一场新的革命。

纵观信息化建设与应用的历程，尽管出现过XML（标准通用标记语言的子集）、Unicode、UML等众多信息标准，但是许多异构系统之间的数据源仍然使用各自独立的数据格式、元数据以及元模型，这是信息产品提供商一直以来形成的习惯。各个相对独立的源数据集成一起，往往通过构建一定的数据获取与计算程序来实现，这样的做法需要花费大量工作。信息孤岛大量存在的事实，使信息化建设的ROI（投资回报率）大大降低，ETL成为集中这些异构数据的有效工具。ETL常用于从源系统中提取数据，将数据转换为与目标系统相兼容的格式，然后将其装载到目标系统中。数据经过获取、转换、装载后，要产生应用价值，还需另外的数据展现工具予以实现，如此复杂的数据应用过程，必定产生高昂的应用成本。

结构化的数据管理尚可通过以上方法，予以实现其集成应用。在非结构化的内容方面，这些具有挑战性的问题令人生畏。内容管理的应用方案基于不同的信息化应用系统，而且大部分是纵向的以组织部门为界限的。在内容管理市场中，经常使用来自不同厂商的产品来提供这些解决方案。即使是同一个厂商的产品，相互之间的功能也是经常重叠，并且无法集成。

随着信息化建设的深入，不同应用系统之间的功能界限已趋于模糊。同时企业资源计划系统和协同商务系统，又需要商业智能的分析展现数据提供用户 *** 作依据。

在激烈竞争且多变的市场环境下，企业的管理模式很难固化，应用传统的信息化软件，当企业要做出一些改动时需要面对巨大的挑战。

SOA系统架构的出现，信息化变革

微软大中华区服务部总经理辛儿伦介绍说，从上世纪60年代应用于主机的大型主机系统，到80年代应用于PC的CS架构，一直到90年度互联网的出现，系统越来越朝小型化和分布式发展。2000年WebService出现后，SOA被誉为下一代Web服务的基础框架，已经成为计算机信息领域的一个新的发展方向。

SOA的出现给传统的信息化产业带来新的概念，不再是各自独立的架构形式，能够轻松的互相联系组合共享信息。

可复用以往的信息化软件。基于SOA的协同软件提供了应用集成功能，能够将ERP、CRM、HR等异构系统的数据集成。

松散耦合方式，只要充分了解业务的进程，就可以不用编写一行代码，通过流程图实现一套我们自己的信息系统。就像已经给你准备好了砖瓦和水泥，只需要想好盖什么样的房子就可以轻松的盖起。加快开发速度，并且减少了开发和维护的费用。软件将所有的管理提炼成表单和流程，以记录管理的内容，指定过程的流转方向。

更简便的信息和数据集成。信息集成功能可以将散落在广域网和局域网上的文档、目录、网页轻松集成，加强了信息的协同相关性。同时，复杂、成本高昂的数据集成，也变成了可以简单且低成本实现的参数设定。创建了完全集成的信息化应用新领域。

在具体的功能实现上，SOA协同软件所实现的功能包括了知识管理、流程管理、人事管理、客户管理、项目管理、应用集成等，从部门角度看涉及了行政、后勤、营销、物流、生产等。从应用思想上看，SOA协同软件中的信息管理功能，全面兼顾了贯穿整个企业组织的信息化软硬件投入。尽管各种IT技术可以用于不同的用途，但是信息管理并没有任意地将信息分为结构化或者非结构化的部分，因此ERP等结构化管理系统并不是信息化建设的全部；同时，信息管理也没有将信息化解决方案划分为部门的视图，因此仅仅以部分为界限去构建软件应用功能的思想未必是不可撼动的。基于SOA的协同软件与ERP、CRM等传统应用软件相比，关键的不同在于它可以在合适的时间、合适的地点并且有正当理由向需要它提供服务的任何用户提供服务。

---